(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210135870.4 (22)申请日 2022.02.15 (71)申请人 上海创屹科技有限公司 地址 201206 上海市浦东 新区金藏路257号 (72)发明人 张海波　贺琪欲　曹延杰　 (74)专利代理 机构 北京科石知识产权代理有限 公司 11595 专利代理师 李艳霞 (51)Int.Cl. G06T 7/80(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 乒乓球桌的标定方法、 标定装置及存 储介质 (57)摘要 本申请提供了一种乒乓球桌的标定方法、 标 定装置及存储介质， 乒乓球桌的标定方法包括： 获取乒乓球桌顶面的图像； 获取球桌坐标系下的 特征点阵， 所述球桌坐标系下的特征点阵包括乒 乓球桌的四个角点 以及乒乓球桌长度方向的中 线与乒乓球桌的两短边的交点； 利用计算机视觉 算法检测球桌坐标系下的特征点阵对应在相机 坐标坐标系下的像素坐标点阵； 根据球桌坐标系 下的特征点阵、 相机坐标系下的像素坐标点阵以 及已知的相机参数， 计算得到相机坐标系 与球桌 坐标系的转换关系。 本申请无需人工操作即可对 乒乓球桌进行自动标定校准， 且标定效率高， 标 定结果更准确。 权利要求书2页 说明书6页 附图2页 CN 114529614 A 2022.05.24 CN 114529614 A 1.一种乒乓球桌的标定方法， 其特 征在于， 包括以下步骤： 获取乒乓球桌顶面的图像； 获取球桌坐标系下的特征点阵， 所述球桌坐标系下的特征点阵包括乒乓球桌的四个角 点以及乒乓球桌长度方向的中线与乒乓球桌的两短边的交点； 利用计算机视觉算法检测球桌坐标系下的特征点阵对应在相机坐标坐标系下的像素 坐标点阵； 根据球桌坐标系下的特征点阵、 相机坐标系下的像素坐标点阵以及已知的相机参数， 计算得到相机坐标系与球桌 坐标系的转换关系。 2.根据权利要求1所述的乒乓球桌的标定方法， 其特征在于， 所述利用计算机视觉算法 检测球桌 坐标系下的特 征点阵对应在相机坐标坐标系下的像素坐标点阵的过程 为： 利用迁移学习训练的yolov3 ‑tiny网络模型对乒乓球桌顶面的图像进行深度学习目标 检测， 得到乒乓球桌的六个关键点区域； 其中， 所述六个关键点区域分别对应包含球桌坐标 系下的特 征点阵中的特 征点； 根据关键点区域在乒乓球桌顶面的图像中提取 出六个感兴趣区域图像； 使用角点提取算法在关键点 区域中分别进行角点检测， 得到六个特征点在相机图像中 的像素坐标点阵。 3.根据权利要求2所述的乒乓球桌的标定方法， 其特征在于， 所述迁移学习训练的 yolov3‑tiny网络模型的获取 过程为： 在乒乓球桌 一侧布置相机， 调整相机 视野， 以保证 乒乓球桌完全出现在相机的视野中； 调整相机与乒乓球桌的相对位置， 并且更换不同的场景， 重复采集多组含乒乓球桌的 场景图片， 作为数据集； 对得到的数据集进行标注， 分别将乒乓球桌的六个关键点区域标注为六个类别， 以确 保对应的像素坐标点阵中的各 特征点在标注的区域中， 且靠 近区域中心位置； 利用yolov3 ‑tiny网络作为基准的网络模型， 在标注好的数据 集上做迁移学习训练， 得 到迁移学习训练的yo lov3‑tiny网络模型。 4.根据权利要求2所述的乒乓球桌的标定方法， 其特征在于， 所述角点提取算法采用 Shi‑Tomasi角点检测。 5.根据权利要求1所述的乒乓球桌的标定方法， 其特征在于， 所述计算得到相机坐标系 与球桌坐标系的转换关系所用的求 解关系式为： 式中， ImagePoints{bi}表示相机坐标系下的像素坐标点阵， ObjectPoints{ai}表示球 桌坐标系下的特征点阵， M表示相机的参数矩阵， 其为3*3的矩阵； R表示旋转矩阵， 其为3*3 的矩阵； T表示平 移矩阵， 其为3*1的矩阵； 对所述求解关系式进行拟合 求解， 得到旋转矩阵R和平 移矩阵T。 6.根据权利要求5所述的乒乓球桌的标定方法， 其特征在于， 所述求解关系式的等效表 达式为：权　利　要　求　书 1/2 页 2 CN 114529614 A 2式中， b_u[i]表示像素坐标点阵中的各特征点在相机坐标系下的u像素坐标， b_v[i]表 示像素坐标点阵中的各 特征点在相机坐标系下的v像素坐标。 7.一种乒乓球桌的标定装置， 其特征在于， 包括图像获取模块、 特征点阵获取模块、 视 觉算法检测模块和坐标系转换模块； 所述图像获取模块用于获取乒乓球桌顶面的图像； 所述特征点阵获取模块用于获取球桌坐标系下的特征点阵， 其中， 所述球桌坐标系下 的特征点阵中包括乒乓球桌的四个角点以及乒乓球桌长度方向的中线与乒乓球桌的两短 边的交点； 所述视觉算法检测模块用于检测球桌坐标系下的特征点阵对应在相机坐标坐标系下 的像素坐标点阵； 所述坐标系转换模块用于根据球桌坐标系下的特征点阵、 相机坐标系下的像素坐标点 阵以及已知的相机参数， 计算得到相机坐标系与球桌 坐标系的转换关系。 8.根据权利要求7所述的乒乓球桌的标定装置， 其特征在于， 所述视觉算法检测模块被 配置为： 利用迁移学习训练的yolov3 ‑tiny网络模型对乒乓球桌顶面的图像进行深度学习目标 检测， 得到乒乓球桌的六个关键点区域； 根据关键点区域在乒乓球桌顶面的图像中提取 出六个感兴趣区域图像； 使用角点提取算法在关键点 区域中分别进行角点检测， 得到六个特征点在相机图像中 的像素坐标点阵。 9.根据权利要求8所述的乒乓球桌的标定装置， 其特征在于， 所述迁移学习训练的 yolov3‑tiny网络模型的获取 过程为： 在乒乓球桌 一侧布置相机， 调整相机 视野， 以保证 乒乓球桌完全出现在相机的视野中； 调整相机与乒乓球桌的相对位置， 并且更换不同的场景， 重复采集多组含乒乓球桌的 场景图片， 作为数据集； 对得到的数据集进行标注， 分别将乒乓球桌的六个关键点区域标注为六个类别， 以确 保对应的像素坐标点阵中的各 特征点在标注的区域中， 且靠 近区域中心位置； 利用yolov3 ‑tiny网络作为基准的网络模型， 在标注好的数据 集上做迁移学习训练， 得 到迁移学习训练的yo lov3‑tiny网络模型。 10.一种存储介质， 其特征在于， 其上存储有可执行程序， 当可执行程序被调用时， 执行 如权利要求1 ‑6中任一项所述的乒乓球桌的标定方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114529614 A 3